Código
# Librerías necesarias
require(ggplot2)
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(vroom)
require(leaflet)
library(lubridate)Presentamos un ejemplo para visualización de datos de sismos de Argentina de los últimos 10 años.

Se llama sismo al proceso físico de liberación instantánea de energía acumulada en el interior de las rocas de la litósfera. La energía acumulada es producto de los esfuerzos tectónicos generados en las partes rígidas de la Tierra. Los sismos ocurren y han ocurrido históricamente, sin embargo, en la actualidad hay más registro de eventos sísmicos a causa de los avances tecnológicos que han permitido localizarlos y caracterizarlos con mayor exactitud.
El riesgo sísmico de una región es la probabilidad de consecuencias adversas ante un evento sísmico y resulta de la combinación entre la peligrosidad sísmica propia del lugar y de la vulnerabilidad de las construcciones.

El INPRES (Instituto Nacional para la Prevención Sísmica) afirma que no es posible, en el sentido amplio de la palarba, predecir un sismo (o terremoto, que en la jerga local alude a un sismo que ocasiona víctimas y daños severos). Se considera una predicción sísmica formal a aquella en la que se indica la fecha de ocurrencia, el lugar (coordenadas) de ocurrencia (con la profundidad) y el tamaño (magnitud), del evento por ocurrir. La sismología ha permitido conocer e identificar todas las regiones en el mundo que son potencialmente sísmicas, es decir, regiones donde siempre han ocurrido, ocurren y ocurrirán terremotos mientras la Tierra tenga vida. Aunque el tamaño de los terremotos que ocurrirán en alguna de estas regiones puede ser estimado de manera aproximada en función de datos históricos, sin embargo, la fecha del terremoto no puede ser determinada con exactitud.
Si bien hay estudios científicos sobre predicción sísmica que realizan países como China, Estados Unidos y Japón; la comunidad sismológica mundial en la actualidad, no ha logrado obtener, con rigor científico estricto, predicciones de terremotos.
A continuación, se muestran algunos posibles análisis para datos de sismos de Argentina durante los años 2012 a 2022, fuertemente relacionados con herramientas de visualización y descriptivas.
# Librerías necesarias
require(ggplot2)
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(vroom)
require(leaflet)
library(lubridate)Los datos de sismos pueden obtenerse del buscador disponible en el INPRES, acá, en el que se registran eventos sísmicos en territorio argentino y diferentes variables asociadas a estos, en particular, si se trata de un sismo que se haya sentido o no.
Para lo que sigue, trabajamos con el dataset reducido sismos-arg.csv en el que se incluyen datos de sismos de diferente intensidad y magnitud en la región continental del país (excluyendo Tierra del Fuego) desde el 7 de enero de 2012, hasta el 18 de mayo de 2022.
El dataset sismos-arg.csv se encuentra acá y ha sido transformado a partir de datos scrappeados del buscador de sismos del INPRES. A continuación, se muestran 10 datos de dicho conjunto.
knitr::kable(datos[1:10,], caption = "Dataset reducido")| Fecha | Hora | Latitud | Longitud | Provincia | Percibido | Magnitud | Profundidad |
|---|---|---|---|---|---|---|---|
| 2022-05-18 | 13:09:56 | -31.820 | -67.040 | San Juan | FALSE | 3.0 | 134 |
| 2022-05-18 | 10:18:34 | -24.216 | -67.139 | Salta | FALSE | 3.2 | 185 |
| 2022-05-18 | 09:40:09 | -31.262 | -68.708 | San Juan | FALSE | 3.3 | 104 |
| 2022-05-18 | 09:25:43 | -32.521 | -70.085 | San Juan | FALSE | 2.7 | 112 |
| 2022-05-18 | 08:45:59 | -28.192 | -67.376 | Catamarca | FALSE | 2.7 | 142 |
| 2022-05-18 | 08:42:33 | -32.043 | -70.030 | San Juan | FALSE | 2.7 | 114 |
| 2022-05-17 | 23:22:48 | -23.442 | -66.846 | Jujuy | FALSE | 3.6 | 210 |
| 2022-05-17 | 21:21:18 | -23.503 | -66.831 | Jujuy | FALSE | 3.6 | 210 |
| 2022-05-17 | 17:17:58 | -22.794 | -66.228 | Jujuy | FALSE | 4.0 | 273 |
| 2022-05-17 | 14:46:04 | -31.505 | -68.640 | San Juan | FALSE | 2.7 | 103 |
La variable ´Percibido´ es la que registra si la intensidad del sismo fue percibida, o no, por la población del territorio afectado. Los sismos son más frecuentes de lo que, quizás, supongamos. El siguiente mapa ofrece una posible visualización para los sismos percibidos y no percibidos de los últimos 10 años. Dentro del mapa, es posible activar la capa topográfica para relacionar, por ejemplo, los sismos con el relieve del territorio.
sismos_arg <- datos
pal1 <-
colorNumeric(palette = c("deeppink2", "deeppink4"),
domain = sismos_arg$Profundidad)
pal2 <-
colorNumeric(palette = c("dodgerblue2", "dodgerblue4"),
domain = sismos_arg$Profundidad)
mapa_arg <- sismos_arg %>%
leaflet(options = leafletOptions(attributionControl = FALSE)) %>%
addTiles(group = "OSM (default)") %>%
addProviderTiles("OpenTopoMap",
group = "Topográfico",
options = providerTileOptions(opacity = 0.5)) %>%
addCircleMarkers(
data = sismos_arg %>%
filter(Percibido == FALSE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 0.15,
radius = ~ Magnitud,
color = ~ pal2(Profundidad),
stroke = FALSE,
group = "Sismos no percibidos"
) %>%
addCircleMarkers(
data = sismos_arg %>%
filter(Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 0.15,
radius = ~ Magnitud,
color = ~ pal1(Profundidad),
stroke = FALSE,
group = "Sismos percibidos"
) %>%
addLayersControl(
baseGroups = c("OSM (default)", "Topográfico"),
overlayGroups = c("Sismos no percibidos", "Sismos percibidos"),
options = layersControlOptions(collapsed = TRUE)
)
mapa_argEl radio de cada punto indica la magnitud del sismo, mientras que la intensidad del color, su profundidad. Los sismos también se clasifican de acuerdo con la profundidad de su foco: desde la corteza terreste y hasta 70 km de profundidad, son superficiales; entre los 70 y los 450 km de profundidad, son intermedios; y para más de 450 km profundidad, profundos. Los más profundos, en el mapa, se ubican en la capa de sismos no percibidos (azul) sobre la falla que recorre en línea más o menos vertical las provincias de Salta y Santiago del Estero. Profundidades intermedias se encuentran, mayoritariamente, en el oeste de Jujuy. El resto, en general, corresponde a profundidades superficiales.
Las provincias de San Juan, Salta, Jujuy, La Rioja, Mendoza, Catamarca, y Córdoba son aquellas que registran más de 1000 eventos durante el período observado. El siguiente mapa ofrece una visualización de sismos para dichas provincias, indicando con color su magnitud.
top <-
c("San Juan",
"Salta",
"Jujuy",
"La Rioja",
"Mendoza",
"Catamarca",
"Córdoba")
pal3 <-
colorNumeric(
palette = c("gold", "sienna1", "firebrick", "darkred", "orangered4"),
domain = sismos_arg$Magnitud
)
mapa_arg_top <- sismos_arg %>%
leaflet(options = leafletOptions(attributionControl = FALSE)) %>%
addTiles(group = "OSM (default)") %>%
addProviderTiles("OpenTopoMap",
group = "Topográfico",
options = providerTileOptions(opacity = 0.5)) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[1]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[1]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[2]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[2]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[3]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[3]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[4]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[4]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[5]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[5]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[6]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[6]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[7]),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[7]
) %>%
addLayersControl(
baseGroups = c("OSM (default)", "Topográfico"),
overlayGroups = top,
options = layersControlOptions(collapsed = TRUE)
)
mapa_arg_topLa percepción del sismo por parte de la población no está únicamente asociada a la magnitud y/o profundidad. Por ejemplo, un sismo de magnitud 2.6 y profundidad de 7 km en Córdoba es percibido, mientras que otro, de magnitud 2.7 y profundidad de 12 km en Catamarca no es percibido. Lo mismo ocurre para magnitudes y/o profundidades mayores. El siguiente mapa ofrece una visualización similar al anterior, pero restringido únicamente a los sismos percibidos del conjunto de datos.
mapa_arg_top_perc <- sismos_arg %>%
leaflet(options = leafletOptions(attributionControl = FALSE)) %>%
addTiles(group = "OSM (default)") %>%
addProviderTiles("OpenTopoMap",
group = "Topográfico",
options = providerTileOptions(opacity = 0.5)) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[1],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[1]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[2],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[2]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[3],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[3]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[4],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[4]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[5],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[5]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[6],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[6]
) %>%
addCircles(
data = sismos_arg %>%
filter(Provincia == top[7],
Percibido == TRUE),
lng = ~ Longitud,
lat = ~ Latitud,
fillOpacity = 1,
color = ~ pal3(Magnitud),
stroke = FALSE,
group = top[7]
) %>%
addLayersControl(
baseGroups = c("OSM (default)", "Topográfico"),
overlayGroups = top,
options = layersControlOptions(collapsed = TRUE)
)
mapa_arg_top_percAllí puede verse que, mientras que en San Juan los sismos percibidos parecen ser de magnitudes altas, en Córdoba ocurre lo contrario.
La tabla que sigue resume, por provincia, la cantidad de sismos registrados, los percibidos, así como la magnitud y profundidad mediana. De las provincias con mayor cantidad de eventos registrados, Jujuy y Salta registran los sismos más profundos, mientras que Córdoba registra sismos superficiales, con una intensidad mediana de 2.8, y es de las provincias con mayor tasa de sismos percibidos de entre las de mayor cantidad de eventos registrados. San Juan registra muchos sismos, más de la mitad de ellos de profundidad media a profunda, pero con una tasa de percepción relativamente baja, como Salta y Jujuy.
knitr::kable(sismos_prov, caption = "Resumen por provincias")| Provincia | n | nperc | Magmed | Profmed |
|---|---|---|---|---|
| Buenos Aires | 7 | 5 | 3.7 | 31 |
| Catamarca | 3317 | 109 | 2.8 | 139 |
| Chaco | 3 | 0 | 3.3 | 231 |
| Chubut | 1 | 0 | 3.8 | 169 |
| Corrientes | 2 | 0 | 3.7 | 267 |
| Córdoba | 1145 | 313 | 2.8 | 21 |
| Entre Ríos | 1 | 0 | 3.8 | 32 |
| Formosa | 3 | 0 | 3.8 | 342 |
| Jujuy | 5270 | 64 | 3.2 | 223 |
| La Pampa | 5 | 4 | 3.6 | 22 |
| La Rioja | 4616 | 166 | 2.8 | 114 |
| Mendoza | 4319 | 303 | 2.7 | 31 |
| Neuquén | 231 | 66 | 3.0 | 8 |
| Río Negro | 1 | 0 | 2.9 | 98 |
| Salta | 5781 | 61 | 3.2 | 195 |
| San Juan | 29920 | 619 | 2.7 | 106 |
| San Luis | 568 | 69 | 2.8 | 22 |
| Santa Cruz | 46 | 22 | 3.0 | 14 |
| Santiago del Estero | 255 | 59 | 3.2 | 30 |
| Tucumán | 326 | 46 | 2.8 | 27 |
knitr::kable(sismos_prov_porc, caption = "Porcentaje de sismos percibidos para casos de más de 1000 eventos")| Provincia | pperc |
|---|---|
| Catamarca | 3.286102 |
| Córdoba | 27.336244 |
| Jujuy | 1.214421 |
| La Rioja | 3.596187 |
| Mendoza | 7.015513 |
| Salta | 1.055181 |
| San Juan | 2.068850 |
San Juan registra casi 30.000 eventos para el período considerado de poco más de 10 años, con una mediana de 8 sismos diarios. Un histograma para la cantidad diaria de sismos se observa a continuación.
En el histograma puede verse que hay por lo menos una observación que supera los 100 sismos diarios. En efecto, se trata del terremoto del 18 de enero de 2021 en La Rinconada, San Juan, en el que se reportaron colapsos de viviendas de adobe, grietas distensivas a lo largo del eje de la Ruta Nacional 40, derrumbes parciales, y otros daños serios principalmente en los Departamentos de Pocito y Sarmiento. Durante las 72 hs posteriores al terremoto de magnitud 6.4, se registraron más de 150 réplicas de magnitudes entre 2.5 y 5.3. Más información acá.
El siguiente gráfico muestra la cantidad de sismos diarios. Puede apreciarse las réplicas de tal terremoto en las observaciones que corresponden a los días entre el 19 y el 23 de enero de 2021.
Como vimos, San Juan registra más de 600 sismos percibidos durante el período, algo más que el 2% del total de sismos registrados. La frecuencia con la que se perciben tales sismos es alta. Eso puede observarse en el histograma para la cantidad de días transcurridos entre un sismo percibido y otro.
Córdoba y Mendoza, registrando cerca del 27% y 7% de sismos percibidos respecto del total, respectivamente, tienen una frecuencia ligeramente más espaciada que la de San Juan.
La ley de Gutenberg-Richter (1958) es una fórmula que permite cuantificar la relación entre la frecuencia y la magnitud de la actividad sísmica de una región. La relación fue inicialmente propuesta por Charles Francis Richter y Beno Gutenberg en 1958 y es aun objeto de caracterización de sismos, pues se ha mostrado relativamente invariante por región y en el tiempo.
La ley establece que la recurrencia sísmica anual de magnitud mayor o igual a \(M\) en una región se relaciona con la magnitud \(N\) a través de
\[ \log _{10} N=a-b M, \] donde \(a\) y \(b\) son constantes determinadas por la naturaleza sísmica de la región, en general, a partir de datos históricos.
Ajustamos los datos de San Juan al modelo de Gutenberg-Richter para estimar las constantes \(a\) y \(b\). En el siguiente gráfico puede verse la cantidad de sismos anuales \(N\) (escala logarítmica en base 10) en función de la magnitud \(M\).
La estimación por mínimos cuadrados de \(a\) y de \(b\) puede verse a continuación.
Los coeficientes estimados son \(5.3029\) para \(a\), y \(1.0656\) para \(b\). El coeficiente \(b\) suele ser aproximadamente igual a \(1\) para sismos tectónicos. Como los datos con los que se estimó son de frecuencia anual, la cantidad \(a/b\) puede interpretarse como, en promedio y una vez al año, la ocurrencia de un terremoto de magnitud \(a/b\) o superior. En este caso, \(a/b=4.9764\), lo que sugiere que, en promedio, una vez al año se registra en San Juan un terremoto de magnitud aproximada \(5\) o superior.
En el siguiente gráfico se superpone, en azul, la curva estimada de Gutenberg-Richter
\[ \log _{10} N=5.3029-1.0656 M, \]
a partir de los datos de San Juan.
A continuación, se detallan aspectos de los datasets que conformaron el dataset reducido para el desarrollo del ejemplo, a la vez que se incluyen las fuentes de los datos y el código utilizado para pre-procesarlo con la sintaxis de tidyverse. De esta forma, puede fácilmente replicarse y/o adaptarse si así se lo desea.
También se incluye el enlace de descarga al dataset reducido, sismos-arg.csv, con el que se desarrolló el ejemplo.
Los datos de este ejemplo corresponden a datos scrappeados del buscador de sismos del INPRES, cuyo buscador está disponible acá. En el dataset sismos_all.csv, disponible acá, en el que se registran eventos sísmicos en territorio argentino y diferentes variables asociadas a estos, en particular, si se trata de un sismo que se haya sentido o no.
Los sismos registrados en INPRES pueden estar revisados por un sismólogo y, posiblemente a razón de ello, algunas inconsistencias en la nomenclatura de las provincias es hallada. El siguiente toma el dataset de sismos_all.csv y:
# importo datos de sismos
sismos <- vroom("./fuente/04_visualizacion/sismos_all.csv")
sismos$Fecha <- as.Date(sismos$Fecha, tryFormats = c("%d/%m/%Y"))
# info de casi 10 años
min(sismos$Fecha)
max(sismos$Fecha)
# dummy para los percibidos
sismos <- sismos %>%
mutate(
Percibido = !is.na(Intensidad),
Magnitud = Magn.,
Profundidad = Profund.
)
# quito las unidades km. en intensidad
sismos$Profundidad <- as.numeric(str_sub(sismos$Profundidad, 1,-4))
# sismos en Argentina Continental (saco TdF porque se corre mucho el mapa)
sismos_arg <- sismos %>%
filter(
Provincia != "OCEANO PACIFICO",
Provincia != "CHILE",
Provincia != "MAULE - CHILE",
Provincia != "REPÚBLICA DE CHILE",
Provincia != "REPUBLICA DE CHILE",
Provincia != "SUR DE CHILE",
Provincia != "TFAIAS",
Provincia != "NORTH ISLAND, NEW ZEALAND",
Provincia != "REGION NOT FOUND.",
Provincia != "PERU",
Provincia != "PENINSULA ANTARTICA",
Provincia != "PASAJE DE DRAKE",
Provincia != "NORTHWEST OF KURIL ISLANDS",
Provincia != "NTARTIDA",
Provincia != "MAR DE SCOTIA",
Provincia != "MAR ARGENTINO",
Provincia != "ISLAS SANDWICH DEL SUR",
Provincia != "ISLAS SANDWICH",
Provincia != "ISLAS SHETLAND",
Provincia != "ISLAS SHETLAND DEL SUR",
Provincia != "ESTRECHO DE DRAKE",
Provincia != "FILIPINAS",
Provincia != "I.SANDWICH DEL SUR",
Provincia != "SECTOR ANTARTICO",
Provincia != "IS. SHETLAND DEL SUR",
Provincia != "ISLAS GEORGIA DEL SUR",
Provincia != "ISLAS GEORGIAS DEL SUR",
Provincia != "ISLAS GEORGIAS y SANDWICH DEL SUR",
Provincia != "ISLAS GIORGIA Y SANDWICH DEL SUR",
Provincia != "ISLAS ORCADAS",
Provincia != "ISLAS ORCADAS DEL SUR",
Provincia != "ATLANTICO SUR",
Provincia != "BOLIVIA",
Provincia != "PARAGUAY",
Provincia != "LIM. ARG-CHILE",
Provincia != "LIM.ARGENTINA-CHILE",
Provincia != "LIM.CHILE-ARGENTINA",
Provincia != "LIMITE ARGENTINA-CHILE",
Provincia != "LIMITE ARGENTINA CHILE",
Provincia != "TIERRA DEL FUEGO",
Provincia != "ISLAS GEORGIAS Y SANDWICH DEL SUR"
)
table(sismos_arg$Provincia)
# recodifico provincias
sismos_arg <- sismos_arg %>%
mutate(
Provincia = recode(
Provincia,
"BUENOS AIRES" = "Buenos Aires",
"CATAMARCA" = "Catamarca",
"CATAMARCA}" = "Catamarca",
"CATAMARCA LIM. TUCUMAN" = "Catamarca",
"CATAMARCA(LIM.CON TUCUMAN)" = "Catamarca",
"CATAMARCA(LIM.CON TUCUMÁN)" = "Catamarca",
"CHACO" = "Chaco",
"CHUBUT" = "Chubut",
"CORDOBA" = "Córdoba",
"CORDOBA(LIM.CON SAN LUIS)" = "Córdoba",
"CORDOBA LIM. SAN LUIS" = "Córdoba",
"CORRIENTES" = "Corrientes",
"ENTRE RIOS" = "Entre Ríos",
"FORMOSA" = "Formosa",
"jujuy" = "Jujuy",
"JUJUY" = "Jujuy",
"JUJUY(LIM.CON SALTA)" = "Jujuy",
"LA PAMPA" = "La Pampa",
"LA RIOJA" = "La Rioja",
"LA RIOJA LIM. SAN JUAN" = "La Rioja",
"LA RIOJA(LIM.CON CATAMARCA)" = "La Rioja",
"LA RIOJA(LIM.CON SAN JUAN)" = "La Rioja",
"LIM. CATAMARCA-TUCUMAN" = "Catamarca",
"LIM. LA RIOJA - SAN JUAN" = "La Rioja",
"LIMITE CATAMARCA - TUCUMAN" = "Catamarca",
"LIMITE CORDOBA - SAN LUIS" = "Córdoba",
"LIMITE JUJUY-SALTA" = "Jujuy",
"LIMITE JUJUY - SALTA" = "Jujuy",
"LIMITE LA RIOJA-CATAMARCA" = "La Rioja",
"LIMITE MENDOZA-SAN JUAN" = "Mendoza",
"LIMITE MENDOZA - SAN JUAN" = "Mendoza",
"LIMITE SALTA-JUJUY" = "Salta",
"LIMITE SALTA - CATAMARCA" = "Salta",
"LIMITE SALTA - JUJUY" = "Salta",
"LIMITE SAN JUAN-MENDOZA" = "San Juan",
"LIMITE SAN JUAN - LA RIOJA" = "San Juan",
"LIMITE SAN JUAN - MENDOZA" = "San Juan",
"LIMITE SAN JUAN SAN LUIS" = "San Juan",
"LIMITE SAN LUIS-SAN JUAN" = "San Luis",
"LIMITE TUCUMAN - CATAMARCA" = "Tucumán",
"MENDOZa" = "Mendoza",
"MENDOZA" = "Mendoza",
"MENDOZA(LIM.CON SAN JUAN)" = "Mendoza",
"MENDOZA}" = "Mendoza",
"MMENDOZA" = "Mendoza",
"NEUQUEN" = "Neuquén",
"RIO NEGRO" = "Río Negro",
"SALTA" = "Salta",
"SALTA (limite con Jujuy)" = "Salta",
"SALTA LIM. JUJUY" = "Salta",
"SALTA(LIM.CON JUJUY)" = "Salta",
"SALTA(LIM.CON TUCUMAN)" = "Salta",
"SAN JUAN LIM. MENDOZA" = "San Juan",
"SAN JUAN (LIM.CON SAN LUIS)" = "San Juan",
"SAN JUAN LIM. LA RIOJA" = "San Juan",
"SAN JUAN LIM.CON SAN LUIS" = "San Juan",
"SAN JUAN LIM.CON MENDOZA" = "San Juan",
"SAN JUAN LIM. MENDOZA" = "San Juan",
"SAN JUAN(LIM.ARG-CHI)" = "San Juan",
"SAN JUAN(LIM.CON LA RIOJA)" = "San Juan",
"LIMITE SAN JUAN - SAN LUIS" = "San Juan",
"LIMITE SAN JUAN LA RIOJA" = "San Juan",
"SAN JUAN(LIM.CON MENDOZA)" = "San Juan",
"SAN JUA" = "San Juan",
"SAn JUAN" = "San Juan",
"SAN JUAN" = "San Juan",
"LIMITE SAN JUAN MENDOZA" = "San Juan",
"SAN JUAN(LIM.CON SAN LUIS)" = "San Juan",
"SAN LUIS" = "San Luis",
"SANTA CRUZ" = "Santa Cruz",
"SANTIAGO DEL ESTERO" = "Santiago del Estero",
"SGO.DEL ESTERO LIM.CON CATAMARCA" = "Santiago del Estero",
"TUCUMAN" = "Tucumán",
"TUCUMÁN" = "Tucumán",
"TUCUMAN LIM. SALTA" = "Tucumán",
"TUCUMAN(LIM.CON CATAMARCA)" = "Tucumán"
)
)
sort(-table(sismos_arg$Provincia))
# Elijo variables
sismos_arg <- sismos_arg %>%
select(c(2, 3, 4, 5, 9, 10, 11, 12))sismos-arg.csvPara limpiar y reducir los datos al estudio de interés, se crea un dataset reducido, sismos-arg.csv, disponible acá, a partir de los datos scrappeados del buscador del INPRES. Se incluyen datos de sismos de diferente intensidad y magnitud en la región continental del país (excluyendo Tierra del Fuego) desde el 7 de enero de 2012, hasta el 18 de mayo de 2022, y se dispone de las siguientes variables.
Fecha: fecha del evento sísmico, en el formato año-mes-día.Hora: hora del evento sísmico, en el formato hora-minuto-segundo.Latitud: latitud del evento registrado.Longitud: longitud del evento registrado.Provincia: nombre de la provincia del evento registrado.Percibido: TRUE si la magnitud fue percibida, FALSE si no lo fue.Magnitud: magnitud del sismo en la escala de Richter.Profundidad: profundidad (km) registrada del sismo.Las librerías usadas para el desarrollo de este ejemplo, así como la información de la sesión de R, se muestran en el código que sigue.
require(ggplot2)
require(tidyverse)
require(ggfortify)
require(plotly)
require(kableExtra)
require(vroom)
require(leaflet)
library(lubridate)sessionInfo()R version 4.2.3 (2023-03-15 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 22621)
Matrix products: default
locale:
[1] LC_COLLATE=Spanish_Argentina.utf8 LC_CTYPE=Spanish_Argentina.utf8
[3] LC_MONETARY=Spanish_Argentina.utf8 LC_NUMERIC=C
[5] LC_TIME=Spanish_Argentina.utf8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] leaflet_2.1.2 vroom_1.6.1 kableExtra_1.3.4 plotly_4.10.1
[5] ggfortify_0.4.16 lubridate_1.9.2 forcats_1.0.0 stringr_1.5.0
[9] dplyr_1.1.2 purrr_1.0.1 readr_2.1.4 tidyr_1.3.0
[13] tibble_3.2.1 tidyverse_2.0.0 ggplot2_3.4.2
loaded via a namespace (and not attached):
[1] svglite_2.1.1 leaflet.providers_1.9.0 digest_0.6.31
[4] utf8_1.2.3 R6_2.5.1 evaluate_0.20
[7] httr_1.4.5 highr_0.10 pillar_1.9.0
[10] rlang_1.1.0 lazyeval_0.2.2 rstudioapi_0.14
[13] data.table_1.14.8 rmarkdown_2.21 labeling_0.4.2
[16] webshot_0.5.4 htmlwidgets_1.6.2 bit_4.0.5
[19] munsell_0.5.0 compiler_4.2.3 xfun_0.39
[22] pkgconfig_2.0.3 systemfonts_1.0.4 htmltools_0.5.5
[25] tidyselect_1.2.0 gridExtra_2.3 fansi_1.0.4
[28] viridisLite_0.4.2 crayon_1.5.2 tzdb_0.3.0
[31] withr_2.5.0 grid_4.2.3 jsonlite_1.8.4
[34] gtable_0.3.3 lifecycle_1.0.3 magrittr_2.0.3
[37] scales_1.2.1 cli_3.6.1 stringi_1.7.12
[40] farver_2.1.1 xml2_1.3.3 ellipsis_0.3.2
[43] generics_0.1.3 vctrs_0.6.1 tools_4.2.3
[46] bit64_4.0.5 glue_1.6.2 hms_1.1.3
[49] crosstalk_1.2.0 parallel_4.2.3 fastmap_1.1.1
[52] yaml_2.3.7 timechange_0.2.0 colorspace_2.1-0
[55] rvest_1.0.3 knitr_1.42